8.1 KiB
快慢通道 U3 质量修订设计 r0.2
状态：三处修订方向、本文书面设计及实施计划 r0.2已于 2026-10-13 在本会话获用户确认，零付费实施已获批准。新的付费模型样本仍须另行明确授权；合入须满足真实模型质量出口，既有实例部署不在范围。原 U2/U3 计划的 U2 持久化、执行权、来源权限和三栏工作台目标继续有效；其 Task7 质量出口仍为 FAIL。
目标与已证实的问题
目标仍是让普通用户在同一张卡里及时看到有用、可追溯的阶段成果，随后得到真实的最终整理结果。材料原文、模型判断、待用户确认的决定须易于区分；默认视图不把未经证实的判断当成已批准事实。保留左侧找上下文、中间推进对话、右侧处理工作，不新增页面或命令展示。
已获批的 v7 A01 样本在 Backend 7f8674f 上产生两次 running 态落盘，但后台因 30,000-token 运行目标耗尽而没有最终正文；首批 analysis 把需求里的“规定总预算／包含12项”说成“已批准决定”，引用原文没有该批准事实，会议还写明审批尚未完成。第二批距失败终态仅 1.076 毫秒，不能作为两个用户可感知阶段窗口的证明。该样本使用两个付费 run、五次 provider 调用、57,997 reported tokens；非原文引用被拒后仍继续一次 14,231-token 调用，违反原计划停止条件。原始失败与独立核验保留，不追溯改判。后续评测入口的实例级停止门禁已独立复审通过，但没有新的模型行为证据。
离线复盘：后台首轮输入 10,657 字符，其中单独追加的 33 条来源索引约 6,355 字符，主要重复已内联的材料。后台三次调用的 prompt tokens 分别为 6,778／10,134／11,343，累计 Usage 35,632；最后一次请求前没有为最终答复留下可用额度。来源引文的字面校验只证明片段存在，不能证明 analysis 对批准状态的解释正确。上述成本结构是可测的改进机会，尚不能证明压缩后模型必定完成。
方案选择
| 路径 | 取舍 | 结论 |
|---|---|---|
| 仅加强提示词或提高预算 | 改动少，但 v7 已经证明提示词无法独自防止批准误判；提高额度会增加付费且不修正语义 | 不作为下一候选 |
| 增加第二个模型审核／摘要回合 | 可检查部分判断，但违反本批零附加模型调用边界，也引入新成本与时序 | 本轮不选 |
| 来源一次呈现、宿主限制批准断言、为最终答复留额度 | 利用既有来源账本和检查点，不扩大权限或页面；需要回归验证映射、误拒与模型实际行为 | 推荐，分三项实施 |
设计一：来源与正文合并呈现
materialSources 仍是唯一可信来源注册表，validate 的 owner/project、原件 hash、blockIndex、连续原文 quote 与版本检查不放宽。构造子任务输入时，按原文块顺序把已提供片段与它的 sourceId／blockIndex 放在一起；不再把相同内容以最多 180 字的索引片段重复附在末尾。模型只看到本次真正提供的前缀及其来源标识，未提供、无 Origin 或已截断的块不得获得可引用标识；原解析警告、文件名、表格文字与超长提示仍保留。这样来源编号紧挨着可引用原文，模型无需从两份文本间反查。
改变输入布局时递增材料处理配方版本，旧完成结果不复用为新行为。验收不仅比较字数，还要逐块证明：可见文本与原已提供前缀等价，来源 ID 集合与注册表一致，重复文本、截断块、表格、空文档和缺失 Origin 不越权。目标是显著减少 A01 输入重复量；数字由代码和固定材料实测给出，不事先声称节省 token 的比例。
设计二：批准状态和用户可见层级
material_record 继续由宿主以文件名和通过校验的原文片段生成，不接受模型转述。模型生成的 analysis／provisional 不能把审批、批复、通过等肯定的批准状态直接写成已成立事实；有明确批准原文时，让用户看到该原文记录，需要推断时写成待核对或 needs_user。宿主在检查点提交前拒绝可确定的肯定批准断言，保持整批原子拒绝，不把“尚未批准／待确认是否批准”误当肯定句。该规则只收紧这一类高后果断言，不能冒称通用语义验证器；A01 的每条分析仍须由独立审阅逐项核对。
现有任务卡继续展示真实状态、材料记载、判断、剩余工作与下一步。默认摘要优先呈现来源字面可核对的材料记载；模型判断明确标为“待核对的判断”，与原文记录分组，来源仍可在原 Collapsible 中展开。既有阅读、焦点、窄屏和三栏布局不变；颜色、字号、圆角、动效只用已有 UI 令牌。若只剩判断没有原文记录，卡片说明“已有待核对判断”，不写“已核对”或隐含批准。错误分析在独立样本中出现时不得进入无保留的默认摘要。
设计三：阶段成果后的最终答复额度
只对系统派发的材料整理子任务增加最终答复预算调度，不改变其他子代理与前台运行。依据 provider 已返回 Usage、最新 prompt tokens、当前剩余额度、生产单次输出上限和已成功保存的检查点数，在下一次请求前预留至少一次完整最终答复的空间。已有两个有用检查点时，下一轮仅提供最终答复所需工具／提示，不再鼓励新增检查点；若只完成一项而继续发布会吃掉最终预留，优先给用户真实的部分结论，不伪造第二项。若连预计最终请求都放不下，就在发起新付费请求前停止并保留已保存成果。
预算是基于已返回 Usage 的请求前守卫，不宣称对在途请求构成严格账单上限。未知 Usage、检查点拒绝、达到 run／批次目标均按受控评测停止规则处理；不得因为缺额而自动扩大额度、换模型、回退或重新启动样本。正常产品路径可以继续按现有策略报告失败／部分成果，不能把阶段卡冒充最终正文。具体预留公式和最小可接受答复由后续实施计划固定，并用假 provider 覆盖高输入、两次发布、只完成一次、缺 Usage 与临界额度。
范围、验证与出口
预计修改 Backend 的材料输入组装、检查点提交守卫和材料子代理预算路径；UI 仅调整现有任务卡的来源／判断分组和摘要选择。Core 候选 JSON、数据库表、SSE 事件、权限模型、确认入口、并行／恢复所有权、生产路由和既有服务部署不在本修订范围。若实施发现必须改变上述公开契约或数据／权限设计，返回方案评审，不把它归为局部修复。
零付费门禁：来源映射与前缀等价测试；“需求规定50万、会议审批未完成”的错误批准候选先 RED 后 GREEN，明确批准原文与否定／待确认表达不误拒；预算假 provider 的两阶段加最终、临界额度与失败保持；UI 现有阅读、窄屏、焦点、设计守护及实际 HTTP 浏览器回归；Backend SQLite／真实 PostgreSQL 与 Dev 组合测试；独立代码审阅和精确组件 SHA。旧样本可用于离线回归，不能当成新版真实模型前后对照。
真实模型出口仍用同一合成 A01 及正常材料整理路径，至少两个真正有用、结束前可感知的不同阶段成果，逐项数字／审批／意见／引文正确，并有真实最终正文和完整 Usage；同时遵守任何检查点拒绝后停止的独立边界。行为面改动依 Dev 交付政策须在固定新候选上做任务级真实模型前后对照。新的付费样本、run 数、token 目标及停止条件要在候选代码和零付费审阅准备好后另行明确批准；未获批准标 NOT_RUN，全部 PR 保持草稿，不合入、不部署。